GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| 9103025142025 | Yapay Zeka Teknikleri ve Uygulamaları | Seçmeli Ders Grubu | 1 | 2 | 8,00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Öğrencilere yapay zekâ konularında derin bilgi kazandırarak, özellikle makine öğrenmesi ve derin öğrenme yöntemlerini kendi çalışma alanlarındaki problemlere uygulayabilmelerini sağlamak.
Dersi Veren Öğretim Görevlisi/Görevlileri
Prof.Dr. Aydoğan SAVRAN
Öğrenme Çıktıları
| 1 | Makine öğrenmesi ve derin öğrenme tekniklerini mühendislik problemlerine uygulayabilme |
| 2 | Yapay zeka alanındaki yazılım araçlarını kullanabilme |
| 3 | Yapay zeka alanında yeni yöntemler araştırılması |
| 4 | Yapay zeka alanında teknik sunum yapabilme |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
[Yok]
Dersin İçeriği
Yapay zekâ temel kavramları. Öğrenme paradigmaları (denetimli, denetimsiz, pekiştirmeli öğrenme). Regresyon, sınıflandırma ve kümeleme teknikleri. Karar ağaçları, destek vektör makineleri ve yapay sinir ağları. Derin sinir ağları ve derin öğrenme. Bilgisayarlı görü, doğal dil işleme ve otonom sistem uygulamaları. Donanım gerçekleme çalışmaları.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|
| 1 | Yapay zekâ ve makine öğrenmesi ile ilgili temel kavramlar | Ders anlatımı ve ödev | |
| 2 | Makine öğrenmesi süreci, modelleme ve performans değerlendirme | Ders anlatımı ve ödevler | |
| 3 | Öğrenme Paradigmaları | Ders anlatımı ve ödevler | |
| 4 | Makine öğrenmesi ile regresyon | Ders anlatımı ve ödevler | |
| 5 | Makine öğrenmesi ile sınıflama | Ders anlatımı ve ödevler | |
| 6 | Makine öğrenmesi ile kümeleme | Ders anlatımı ve ödevler | |
| 7 | Karar Ağaçları | Ders anlatımı ve ödevler | |
| 8 | Yarıyıl Sınavı | Sınav | |
| 9 | Destek Vektör Makineleri | Ders anlatımı ve ödevler | |
| 10 | Yapay Sinir Ağları | Ders anlatımı ve ödevler | |
| 11 | Derin Sinir Ağları ve Derin Öğrenme | Ders anlatımı ve ödevler | |
| 12 | Bilgisayarlı Görü Uygulamaları | Ders anlatımı ve ödevler | |
| 13 | Doğal Dil İşleme Uygulamaları | Ders anlatımı ve ödevler | |
| 14 | Otonom Sistem Uygulamaları | Ders anlatımı ve ödevler | |
| 15 | Donanım Gerçekleme | Ders anlatımı ve ödevler | |
| 16 | Proje Sunumları |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Deep Learning , Ian Goodfellow, Yoshua Bengio, Aaron Courville, The MIT Press Mathematics for Machine Learning, Mc Peter Deisenroth, Cambridge University Press
Planlanan Öğrenme Aktiviteleri ve Metodları
Proje ve ödevler.
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 60 |
| Ev Ödevi | 1 | 40 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 80 |
| Proje Hazırlama | 1 | 20 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Derse Katılım | 14 | 3 | 42 |
| Alan Çalışması | 14 | 2 | 28 |
| Proje Hazırlama | 1 | 14 | 14 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 32 | 32 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 40 | 40 |
| Okuma | 14 | 3 | 42 |
| Ev Ödevi | 14 | 2 | 28 |
| Toplam İş Yükü (saat) | 228 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | |
| ÖÇ 1 | 4 | |||||
| ÖÇ 2 | 5 | |||||
| ÖÇ 3 | 4 | |||||
| ÖÇ 4 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek